기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 사전 조건 완료
<a name="serverless-endpoints-prerequisites"></a>

다음 주제에서는 서버리스 엔드포인트를 만들기 전 완료해야 하는 사전 요구 사항에 대해 설명합니다. 이러한 사전 조건에는 모델 아티팩트의 적절한 저장, 올바른 권한으로 AWS IAM 구성, 컨테이너 이미지 선택이 포함됩니다.

**사전 조건을 완료하려면**

1. ** AWS 계정을 설정합니다.** 먼저 AWS 계정과 AWS Identity and Access Management 관리자 사용자가 필요합니다. AWS 계정을 설정하는 방법에 대한 지침은 [새 AWS 계정을 생성하고 활성화하려면 어떻게 해야 하나요?를](https://aws.amazon.com/premiumsupport/knowledge-center/create-and-activate-aws-account/) 참조하세요. IAM 관리자 사용자를 이용한 계정 보안 방법에 관한 지침은 *IAM 사용 설명서*의 [첫 번째 IAM 관리자 및 사용자 그룹 생성](https://docs.aws.amazon.com/IAM/latest/UserGuide/getting-started_create-admin-group.html) 섹션을 참조하세요.

1. **Amazon S3 버킷을 생성합니다.** Amazon S3 버킷을 생성하여 모델 아티팩트를 저장합니다. 버킷을 생성하는 방법을 알아보려면 *Amazon S3 사용 설명서*의 [첫 S3 버킷 생성](https://docs.aws.amazon.com/AmazonS3/latest/userguide/creating-bucket.html)을 참조하세요.

1. **모델 아티팩트를 S3 버킷에 업로드합니다.** 모델을 버킷에 업로드하는 방법에 대한 지침은 *Amazon S3 사용 설명서*의 [버킷에 객체 업로드](https://docs.aws.amazon.com/AmazonS3/latest/userguide/uploading-an-object-bucket.html)를 참조하세요.

1. **Amazon SageMaker AI용 IAM 역할을 생성합니다.** Amazon SageMaker AI는 모델을 저장하는 S3 버킷에 액세스할 수 있어야 합니다. SageMaker AI에 버킷에 대한 읽기 액세스를 부여하는 정책을 포함하는 IAM 역할을 생성합니다. 다음 절차는 콘솔에서 역할을 생성하는 방법을 보여 주지만, *IAM 사용 설명서*의 [Createrole](https://docs.aws.amazon.com/IAM/latest/APIReference/API_CreateRole.html) API를 사용할 수도 있습니다. 사용 사례에 따라 역할에 더 세분화된 권한을 부여하는 방법에 대한 자세한 내용은 [SageMaker AI 실행 역할을 사용하는 방법](sagemaker-roles.md#sagemaker-roles-createmodel-perms)을/를 참조하세요.

   1. [IAM 콘솔](https://console.aws.amazon.com/iam/)에 로그인합니다.

   1. 탐색 탭에서 **역할**을 선택합니다.

   1. **역할 생성**을 선택합니다.

   1. **신뢰할 수 있는 엔터티 유형 선택**에서 **AWS 서비스**를 선택한 다음 **SageMaker AI**를 선택합니다.

   1. **다음: 권한**을 선택한 다음 **다음: 태그**를 선택합니다.

   1. (선택 사항) 역할에 대한 메타데이터를 원하는 경우 태그를 키-값 페어로 추가할 수 있습니다.

   1. **다음: 검토**를 선택합니다.

   1.  **역할 이름**에 AWS 계정 내에서 고유한 새 역할의 이름을 입력합니다. 역할을 만든 후에는 역할 이름을 편집할 수 없습니다.

   1. (선택 사항) **역할 설명**에 새 역할에 대한 설명을 입력합니다.

   1. **역할 생성**을 선택합니다.

1. **S3 버킷 권한을 SageMaker AI 역할에 연결합니다.** IAM 역할을 생성한 후 SageMaker AI에게 모델 아티팩트가 포함된 S3 버킷에 액세스할 수 있는 권한을 부여하는 정책을 연결합니다.

   1. IAM 콘솔의 탐색 창에서 **역할**을 선택합니다.

   1. 역할 목록에서 이전 단계에서 생성한 역할을 이름별로 검색합니다.

   1. 역할을 선택한 다음 **정책 연결**을 선택합니다.

   1. **권한 연결** 아래에서 **정책 생성**을 선택합니다.

   1. **정책 생성**에서 **JSON** 탭을 선택합니다.

   1. JSON 편집기에서 다음 정책 설명을 추가합니다. 모델 아티팩트를 저장하는 S3 버킷 이름으로 `<your-bucket-name>`을/를 바꿉니다. 버킷의 특정 폴더 또는 파일에 대한 액세스를 제한하려는 경우 Amazon S3 폴더 경로를 지정할 수도 있습니다 (예: `<your-bucket-name>/<model-folder>`).

------
#### [ JSON ]

****  

      ```
      {
          "Version":"2012-10-17",		 	 	 
          "Statement": [
              {
                  "Sid": "VisualEditor0",
                  "Effect": "Allow",
                  "Action": "s3:GetObject",
                  "Resource": "arn:aws:s3:::<your-bucket-name>/*"
              }
          ]
      }
      ```

------

   1. **다음: 태그**를 선택합니다.

   1. (선택 사항) 태그를 키 값 페어로 정책에 추가합니다.

   1. **다음: 검토**를 선택합니다.

   1. **이름**에 새 정책 이름을 입력합니다.

   1. (선택 사항) 정책에 대한 **설명**을 추가합니다.

   1. **정책 생성**을 선택합니다.

   1. 정책을 생성한 후 [IAM 콘솔](https://console.aws.amazon.com/iam/)의 **역할**로 돌아가서 SageMaker AI 역할을 선택합니다.

   1. **정책 연결**을 선택합니다.

   1. **권한 연결**에서 이름별로 생성한 정책을 검색합니다. 정책을 선택하고 **정책 연결**을 선택합니다.

1. **사전 빌드된 Docker 컨테이너 이미지를 선택하거나 직접 가져옵니다.** 선택한 컨테이너는 엔드포인트에서 추론 기능을 제공합니다. SageMaker AI는 Apache MXNet, TensorFlow, PyTorch 및 Chainer와 같은 가장 일반적인 기계 학습 프레임워크에 사용할 수 있도록 내장 알고리즘과 사전 빌드된 Docker 이미지를 위한 컨테이너를 제공합니다. 사용 가능한 SageMaker 이미지의 전체 목록은 [사용 가능한 딥 러닝 컨테이너 이미지](https://github.com/aws/deep-learning-containers/blob/master/available_images.md)를 참조하세요.

   기존 SageMaker AI 컨테이너가 필요를 충족시키지 않는 경우 새 Docker 컨테이너를 생성해야 할 수 있습니다. Docker 이미지를 만들고 SageMaker AI와 호환되도록 만드는 방법에 대한 자세한 내용은 [사용자 지정 추론 코드가 있는 컨테이너](your-algorithms-inference-main.md) 섹션을 참조하세요. 컨테이너를 서버리스 엔드포인트와 함께 사용하려면 컨테이너 이미지가 엔드포인트를 생성하는 동일한 AWS 계정 내의 Amazon ECR 리포지토리에 있어야 합니다.

1. **(선택 사항) 모델 레지스트리에 모델을 등록합니다.** [SageMaker 모델 레지스트리](model-registry.md)는 ML 파이프라인에서 사용할 모델 버전을 카탈로그화하고 관리하는 데 도움이 됩니다. 모델 버전 등록에 대한 자세한 내용은 [모델 그룹 생성](model-registry-model-group.md) 및 [모델 버전 등록](model-registry-version.md)을 참조하세요. 모델 레지스트리 및 서버리스 추론 워크플로의 예는 다음 [예제 노트북](https://github.com/aws/amazon-sagemaker-examples/blob/main/serverless-inference/serverless-model-registry.ipynb)을 참조하세요.

1. **(선택 사항) AWS KMS 키를 가져옵니다.** 서버리스 엔드포인트를 설정할 때 SageMaker AI가 Amazon ECR 이미지를 암호화하는 데 사용하는 KMS 키를 지정할 수 있습니다. 단, KMS 키의 키 정책은 엔드포인트를 설정할 때 지정한 IAM 역할에 대한 액세스 권한을 부여해야 합니다. KMS에 대해 자세히 알아보려면 [AWS Key Management Service 개발자 안내서](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html)를 참조하세요.